Революция в искусственном интеллекте: как ИИ становится эффективнее и прибыльнее для вашего бизнеса

Последние месяцы ознаменовались появлением множества инновационных исследовательских лабораторий в сфере искусственного интеллекта. Среди них особо выделяется Flapping Airplanes — проект, движимый молодыми и амбициозными основателями. Их миссия — разработка принципиально новых методов обучения ИИ, не требующих огромных объемов данных. Это не просто шаг вперед, это потенциальный прорыв, способный кардинально изменить экономику и возможности ИИ-моделей. При поддержке в $180 миллионов в рамках посевного финансирования, они имеют все ресурсы для реализации своих смелых идей.

На прошлой неделе мы побеседовали с тремя соучредителями лаборатории — братьями Беном и Ашером Спекторами, а также Айданом Смитом. Мы обсудили, почему именно сейчас настал идеальный момент для создания новой ИИ-лаборатории и почему они постоянно возвращаются к идеям, вдохновленным человеческим мозгом.

Почему именно сейчас? Новая эра ИИ: эффективность и экономия данных

В условиях, когда гиганты вроде OpenAI и DeepMind инвестируют колоссальные средства в масштабирование своих моделей, может показаться, что конкуренция огромна. Но основатели Flapping Airplanes смотрят на это иначе.

• Бен Спектор: «Поле для деятельности колоссально. Прогресс последних 5-10 лет впечатляет — мы любим эти инструменты и используем их каждый день. Но вопрос в том, закрывает ли это весь спектр потребностей? Наш ответ — нет, предстоит еще очень многое. Мы сфокусировались на проблеме эффективности использования данных. Современные передовые модели обучаются на всей совокупности человеческих знаний, тогда как человек обходится гораздо меньшим объемом информации. Здесь явно существует пробел, который стоит изучить.

  Наша стратегия основана на трех ключевых предположениях:

  1. Проблема эффективности использования данных является критически важной, и в этом направлении возможен реальный прорыв.
  2. Решение этой проблемы принесет огромную коммерческую ценность и сделает мир лучше.
  3. Правильная команда для этой задачи — это креативные и, в некотором смысле, не обремененные догмами исследователи, способные взглянуть на проблему с нуля.

  Мы не конкурируем напрямую с другими ИИ-лабораториями, потому что решаем совершенно иные задачи. Человеческий разум учится совершенно иначе, чем трансформеры. Мы видим эти различия в компромиссах: большие языковые модели (LLM) обладают потрясающей способностью к запоминанию и охватывают огромный объем знаний, но при этом медленно осваивают новые навыки, требуя колоссальных объемов данных для адаптации. В то же время, алгоритмы, используемые мозгом, фундаментально отличаются от градиентного спуска и других методов, применяемых сегодня в ИИ. Именно поэтому мы создаем новое поколение исследователей, которые будут мыслить нестандартно в области ИИ.

• Айдан Смит: «Мы не конкурируем напрямую с другими ИИ-лабораториями, потому что решаем совершенно иные задачи. Человеческий разум учится совершенно иначе, чем трансформеры. Мы видим эти различия в компромиссах: большие языковые модели (LLM) обладают потрясающей способностью к запоминанию и охватывают огромный объем знаний, но при этом медленно осваивают новые навыки, требуя колоссальных объемов данных для адаптации. В то же время, алгоритмы, используемые мозгом, фундаментально отличаются от градиентного спуска и других методов, применяемых сегодня в ИИ. Именно поэтому мы создаем новое поколение исследователей, которые будут мыслить нестандартно в области ИИ.»

• Ашер Спектор: «Вопрос крайне интересен с научной точки зрения: почему созданные нами интеллектуальные системы так сильно отличаются от человеческого мышления? Где лежит это различие? Как мы можем использовать знания об этой разнице для создания лучших систем? И, что не менее важно, это направление обладает огромным коммерческим потенциалом и принесет пользу миру. Многие важные области, такие как робототехника или научные открытия, сильно ограничены доступностью данных. Даже в корпоративных приложениях модель, которая в миллион раз эффективнее по данным, вероятно, в миллион раз проще внедряется в экономику. Для нас очень увлекательно взглянуть на эти подходы по-новому и подумать: что бы мы могли сделать, если бы у нас действительно была модель, значительно более эффективная в отношении данных?»

Вдохновение мозгом, но без ограничений: философия Flapping Airplanes

Название «Flapping Airplanes» (Машущие самолеты) вызывает ассоциации с живым миром, но их подход не заключается в буквальном копировании биологии.

Айдан Смит: «Я считаю мозг доказательством существования. Это доказательство того, что существуют другие алгоритмы, не только одна ортодоксия. И мозг имеет свои безумные ограничения. Если посмотреть на его базовое устройство, то там есть очень странные вещи. Для генерации потенциала действия требуется миллисекунда. За это время ваш компьютер может выполнить бесчисленное множество операций. Так что, вполне вероятно, существует гораздо лучший подход, чем мозг, и весьма отличный от трансформеров. Мы вдохновлены некоторыми функциями мозга, но не хотим быть к нему привязаны.»

Бен Спектор: «Это очень хорошо отражено в нашем названии: Flapping Airplanes. Представьте, что современные системы — это огромные Boeing 787. Мы не пытаемся построить птиц. Это слишком далеко. Мы пытаемся построить нечто вроде машущего самолета. С моей точки зрения, как специалиста по компьютерным системам, ограничения мозга и кремниевых чипов настолько различны, что мы не должны ожидать, что эти системы в конечном итоге будут выглядеть одинаково. Когда подложка настолько отличается, и у вас действительно есть очень разные компромиссы в отношении стоимости вычислений, стоимости локальности и перемещения данных, вы, по сути, ожидаете, что эти системы будут выглядеть немного иначе. Но то, что они будут несколько отличаться, не означает, что мы не должны черпать вдохновение из мозга и пытаться использовать те части, которые нам кажутся интересными, для улучшения наших собственных систем.»

Исследования, направленные на коммерческий успех и прорыв

Многие новые ИИ-лаборатории имеют возможность сосредоточиться на фундаментальных исследованиях, и Flapping Airplanes не исключение. Но их видение простирается дальше чисто академического интереса.

• Ашер Спектор: «Я бы хотел с уверенностью сказать, что через три года мы решим исследовательскую проблему и покажем, как это будет коммерциализировано. Но мы не можем. Мы ищем истину. Однако у нас есть коммерческий опыт. Я много времени посвятил разработке технологий для компаний, принесших им значительную прибыль. Бен участвовал в создании множества стартапов с коммерческим фондом. Мы действительно стремимся к коммерциализации, потому что считаем это полезным для мира — донести созданную ценность до тех, кто может ее использовать. Мы не против этого. Но сначала нам нужно провести исследование, потому что если мы начнем с подписания крупных корпоративных контрактов, мы отвлечемся и не сможем провести ценные исследования.»

• Айдан Смит: «Мы хотим попробовать действительно радикально новые вещи, и иногда радикальные вещи оказываются даже хуже, чем существующие парадигмы. Мы исследуем набор различных компромиссов. Мы надеемся, что в долгосрочной перспективе они будут отличаться.»

• Бен Спектор: «Компании наиболее эффективны, когда они сосредоточены на том, чтобы делать что-то хорошо. Крупные компании могут позволить себе делать много разных вещей одновременно. Когда вы стартап, вы действительно должны выбрать самое ценное, что вы можете сделать, и довести это до конца. И мы создаем наибольшую ценность, когда полностью сосредоточены на решении фундаментальных проблем в данный момент.

  Я оптимистичен в отношении того, что достаточно скоро мы достигнем необходимого прогресса, и сможем выйти в реальный мир. Многое можно узнать, получая обратную связь из реального мира. Удивительная вещь в мире — он постоянно учит вас. Он постоянно предоставляет огромное количество правды. Я думаю, что главное, что позволило недавнее изменение в экономике и финансировании этих структур, — это возможность для компаний сосредоточиться на том, в чем они хороши, в течение более длительного времени. Именно этот фокус, на мой взгляд, позволит нам выполнять действительно уникальную работу.»

1 000-кратное повышение эффективности данных: что это значит для вашего бизнеса?

Если ИИ-модели смогут обучаться значительно эффективнее на меньших объемах данных, это откроет беспрецедентные возможности для бизнеса. Это не просто инкрементальные улучшения, а фундаментальные изменения в работе ИИ.

Ашер Спектор: «Во-первых, мы занимаемся наукой, поэтому я не знаю точного ответа, но могу предложить три гипотезы:

1. Глубокое понимание вместо статистических закономерностей. Существует большой спектр между поиском статистических закономерностей и истинным глубоким пониманием. Современные модели находятся где-то посередине, но, определенно, не на уровне глубокого понимания. Возможно, при обучении моделей на меньшем объеме данных, мы вынудим их развивать невероятно глубокое понимание всего, что они видят. Это может привести к более интересному интеллекту: они могут знать меньше фактов, но быть лучше в рассуждениях.

2. Повышение эффективности дообучения. Сейчас очень дорого, как с операционной точки зрения, так и с финансовой, обучать модели новым возможностям, потому что для этого требуется огромное количество данных. Возможно, одним из результатов нашей работы станет значительное повышение эффективности дообучения, когда, имея всего лишь несколько примеров, можно будет внедрить модель в новую область.

3. Открытие новых вертикалей для ИИ. Это может разблокировать новые области применения ИИ. Например, в робототехнике есть определенные типы задач, где по какой-то причине мы не можем достичь достаточных возможностей для коммерческой жизнеспособности. Я считаю, что это проблема ограниченности данных, а не аппаратного обеспечения. Тот факт, что можно дистанционно управлять роботами для выполнения задач, доказывает, что аппаратное обеспечение достаточно хорошее. Подобных областей много, например, научные открытия.

Бен Спектор: «Я бы хотел особо подчеркнуть: когда мы думаем о влиянии ИИ на мир, можно рассматривать его как дефляционную технологию. То есть, роль ИИ сводится к автоматизации многих рабочих мест, удешевлению работы, чтобы можно было исключить человеческий труд из экономики и передать его роботам. И я уверен, что это произойдет. Но это, на мой взгляд, не самое захватывающее видение ИИ. Самое захватывающее видение ИИ — это когда появляется совершенно новая наука и технологии, которые люди не в состоянии были бы создать, но другие системы могут.

В этом аспекте, я думаю, что первая ось, о которой говорил Ашер, касающаяся спектра между истинной генерализацией и запоминанием или интерполяцией данных, чрезвычайно важна для глубоких прозрений, которые приведут к этим новым достижениям в медицине и науке. Важно, чтобы модели находились очень далеко на креативной стороне спектра. И поэтому, отчасти почему я очень взволнован работой, которую мы делаем, это потому, что я думаю, что даже помимо индивидуальных экономических последствий, я также искренне очень ориентирован на миссию: можем ли мы на самом деле заставить ИИ делать то, что люди принципиально не могли делать раньше? И это больше, чем просто: «Давайте уволим кучу людей с их рабочих мест».

Набор талантов, меняющих парадигму: нестандартный подход Flapping Airplanes

Flapping Airplanes выделяется не только своими исследованиями, но и уникальным подходом к найму, привлекая молодых и креативных специалистов.

• Айдан Смит: «Мы восхищаемся людьми, которые ослепляют нас новыми идеями и мыслят иначе, чем многие признанные исследователи, которых «испортили» тысячи статей. Главное, что мы ищем, — это креативность. Наша команда исключительно творческая, и каждый день я чувствую себя счастливым, обсуждая по-настоящему радикальные решения больших проблем в ИИ и мечтая о совершенно другом будущем.»

• Бен Спектор: «Вероятно, самый главный сигнал, который я лично ищу: научили ли они меня чему-то новому, когда я провел с ними время? Если они научили меня чему-то новому, то шансы, что они научат нас чему-то новому в нашей работе, тоже довольно высоки. Когда вы занимаетесь исследованиями, эти креативные, новые идеи действительно являются приоритетом.

  Часть моего опыта заключалась в том, что во время обучения в бакалавриате и аспирантуре я помогал создавать инкубатор Prod, который работал со многими успешными компаниями. И я думаю, что одним из выводов, которые мы извлекли из этого, было то, что молодые люди абсолютно могут конкурировать на самых высоких уровнях отрасли. Честно говоря, большая часть успеха заключается просто в осознании того, что «да, я могу это сделать». Вы абсолютно можете вносить свой вклад на самом высоком уровне.

  Конечно, мы признаем ценность опыта. Люди, работавшие над крупномасштабными системами, замечательны, мы наняли некоторых из них, мы рады работать со всеми типами людей. И я думаю, что наша миссия нашла отклик и у опытных специалистов. Я просто думаю, что наша ключевая цель — это люди, которые не боятся менять парадигму и могут попытаться представить новую систему того, как все может работать.»

Будущее ИИ: странное, невероятное, и открывающее новые горизонты

Результаты работы Flapping Airplanes обещают быть не просто «на 20% лучше», а принципиально новыми, выводящими ИИ на качественно иной уровень.

Ашер Спектор: «Я не знаю, доводилось ли вам общаться с базовой моделью GPT-4, но она обладала множеством действительно странных, возникающих способностей. Например, вы могли взять отрывок вашего ненаписанного эссе и спросить, кто, по вашей мнению, это написал, и она могла определить автора.

Существует множество подобных способностей, когда модели умны способами, которые мы не можем постичь. Будущие модели будут умнее еще более странными способами. Я думаю, нам следует ожидать, что будущее будет действительно странным, а архитектуры — еще более странными. Мы ищем 1000-кратные выигрыши в эффективности данных. Мы не стремимся к постепенным изменениям. И поэтому мы должны ожидать таких же непостижимых, чуждых изменений и способностей на пределе.»

🚀 Получите бесплатный аудит от ИИ прямо сейчас в нашем Telegram-боте: @futurebotsru_bot